机器学习算法OocystMeter用于计算和测量Plasmodium卵囊,它揭示了Anopheles中肠中肠中的聚类模式
Duo Peng1,2, Eryney Marrogi1, Elisabeth Nelson1
1Department of Immunology and Infectious Diseases, Harvard T.H. Chan School of Public Health, Boston, Massachusetts, USA.
bioRxiv : the preprint server for biology
|July 16, 2025
概括
新的机器学习工具OocystMeter自动化了蚊子中肠中的疟疾卵囊细分. 该软件准确量化卵囊数量和大小,揭示集群空间分布,用于先进的疟疾研究.
科学领域:
- 寄生虫学的寄生虫学
- 生物图像分析 生物图像分析
- 机器学习 机器学习
背景情况:
- 蚊子中肠中的疟疾卵囊的自动化分析是具有挑战性的,因为染色变异性和复杂的背景.
- 现有的工具难以准确地对卵囊进行细分,大小和数量的确定.
- 手动分析耗时,容易产生人类偏见.
研究的目的:
- 开发和验证OocystMeter,一种基于机器学习的软件,用于对疟疾卵进行自动细分.
- 提高量化卵囊强度和大小的准确性和效率.
- 分析蚊子中肠中的卵囊的空间分布模式.
主要方法:
- 策划了一个由专家寄生虫学家注释的Anopheles gambiae中肠中的11,178个Plasmodium falciparum卵囊的数据集.
- 微调了一个Mask R-CNN对象检测模型用于卵囊细分.
- 应用空间分析以确定卵囊分布模式.
主要成果:
- OocystMeter实现了与人类专家可比的细分精度 (数量为0.998的斯皮尔曼相关性,大小为0.978).
- 发现了卵囊的非随机的,集群的空间分布,特别是在低感染强度的情况下.
- 显著加快了卵囊强度和大小的分析,减少了人类偏差.
结论:
- OocystMeter提供了一种准确,高效和公正的疟疾卵囊分析方法.
- 该工具通过提供空间卵囊数据来促进先进的寄生虫学研究.
- 作为开源软件和研究人员的网络工具,OocystMeter是免费的.
